我有很多PDF文件，基本上是扫描文档，所以每一页都是一个扫描图像。我想要执行OCR并从这些文件中提取文本。我尝试过pytesseract，但它不直接对pdf文件执行OCR，因此，作为一项工作，我希望从PDF文件中提取images，将它们保存在目录中，然后直接在这些图像上使用pytesseract执行OCR。在python中有没有从pdf文件中提取扫描图像的方法？或者有任何方法可以直接对pdf
浏览 1提问于2018-05-26得票数 0
回答已采纳
1回答
我有嵌入OCR数据的PDF文件。(所以我已经对它们进行了orcd )，所以它们是可搜索的。现在我想提取这个OCR数据，因为我想放入我的tomcat6搜索服务器。为此，我需要普通的OCR数据。所以我的问题是，有没有可能从pdf文件中提取嵌入的OCR数据？如果能得到带有坐标的文件就好了。但它也足以获得纯文本文件。
浏览 2提问于2011-03-02得票数 2
我使用这两个依赖项：- tika核心2.6.0tika解析器标准包2.6.0 .Parsing在这些情况下很好地工作：- pdf文件和文本。pdf文件与图像。文本文件和其他扩展名。对于下面的用例- pdf文件和图像中的文本，pdf分析器运行时异常的解析失败。
有人能在这里建议如何解决失败的案件吗？
浏览 19提问于2022-11-11得票数 0
pytesseract库当我尝试使用image_to_text方法时，它给了我一个
应该变成我搜索并没有在我的Python文件夹
浏览 6提问于2017-06-29得票数 4
回答已采纳
1回答
我有一个图像文件，我想从给定的图像中提取文本，我尝试了各种OCR引擎，但我无法找到左侧实体和右侧实体之间的关系，因为OCR引擎只是提取没有实体之间关系的文本。例如事务(公司借款)，account#1: Cash account#2: Loan payable
我尝试过使用各种OCR引擎和PyPDF2和pdftotext进行文本提取。
浏览 1提问于2019-08-27得票数 2
1回答
我需要从S3中的PDF和图像文件中获取OCR (光学字符识别)数据，以便用户可以对这些OCR数据执行搜索。我正在使用AWS提取的文本提取来获取OCR数据。我计划将OCR数据存储在Dynamo中，并在其中执行搜索查询。请提前帮忙谢谢！
浏览 1提问于2020-04-06得票数 1
回答已采纳
1回答
我正在从pdf文件中提取文本，该文件具有行文本和一些具有文本的图像报告。我应该使用哪种OCR技术来提取行文本和图像中的文本。我已经尝试了一些OCR技术，要么是做OCR，要么是从pdf中读取文本。
浏览 14提问于2019-07-19得票数 0
3回答
我试图使用Tesseract OCR在多个大pdf文件上执行OCR (~400-600页)。我不一定要从所有页面中提取文本，但我只想要几页(页码已知)。PDF文件似乎已经在上面执行了某种OCR，但这不是一个好工作。import cv2
pytesseract.pytesseract.tesseract_cmd = r"C:/Program Files/Tesseract-OCR我不知道怎么</
浏览 10提问于2021-06-06得票数 2
1回答
我让Tika在PDF文件上使用Tesseract，但是如果我给它一个同时具有可搜索文本和图像的PDF文件，文本是OCRed两次。有什么办法可以避免这种情况吗？
浏览 4提问于2020-12-31得票数 1
回答已采纳
1回答
我创建了以下代码并执行：Ocr ocr = new Ocr();String s =ocr.recognize(theImage, Ocr.RECOGNIZE_TYPE_ALL, Ocr.OUTPUT_FORMAT_PLAINTEXT);
Out
浏览 2提问于2015-11-25得票数 0
回答已采纳
1回答
我有一个任务，在那里，我必须提取文本，是背后的图像，并已从图像本身OCR编辑。这一案文是透明的。问题是，有一个图像，它的背后有文字，不是OCR编辑的，它只是正常的文本，它是不透明的。这是一个具有代表性的pdf文件：图像OCR文本应该在第2页、第3页、第12页上提取，而文本也在第4页上提取。在第4页，图像后面没有OCR文本，但是图像下面有规则文本。我需要过滤掉它，因为我只需要OCR文本。
浏览 6提问于2021-07-13得票数 0
回答已采纳
1回答
在编写文本文件之后，我想编写一个脚本，它运行一个命令到OCR pdfs，它删除结果图像。time find .如果我运行上面的命令，第一个命令将提取图像并占用我的磁盘空间，然后第二个命令将执行OCR操作，然后删除图像作为最后一步。所以,
删除刚
浏览 1提问于2017-07-11得票数 1
我知道我们可以用ocr从图像中提取文本。但是我需要提取视频中的文本，就像视频演讲中的文本一样。换句话说，是否有可能将视频转录成文本。这有可能吗？如果是的话，请建议我如何使用java或任何其他语言。
浏览 5提问于2017-07-15得票数 0
1回答
我需要解析OCR图像文件并获取所有文本和复选框值，如何从OCR解析中获取复选框或单选按钮值，以及哪一个OCR Api给出了从图像中提取的校正结果。
浏览 3提问于2014-03-01得票数 2
1回答
示例：档案持续时间:46分钟如果视频上有字幕或文字，请捕获该帧并提取到图像中。不是OCR，只是捕捉和提取图像但我不知道该怎么做。你们能给我辅导一下吗？图像提取后
浏览 1提问于2020-04-16得票数 2
回答已采纳
我一直在尝试从扫描的pdf文档中提取数据。我已经将pdf文件转换为jpeg文件(我在下面附上了图像链接)，裁剪具有不同字体的单词和数字，合并为tiff文件，并使用jTessBoxEditor训练字体生成新的语言，我使用该语言在Tesseract-OCR中提取文件中的数据。但我无法提取准确的数据。tesseract-ocr的文本识别准确率很低。
浏览 21提问于2020-08-31得票数 1
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
腾讯会议
云直播活动推荐
腾讯云开发者
